• Investigative Magnetic Resonance Imaging
• /
• 제3권2호
• /
• pp.179-187
• /
• 1999

목적 : 본 논문은 Bayes의 복합 의사결정모델을 이용한 효과적인 다중에코 자기공명영상의 분류방법을 소개한다. 동질성을 갖는 영역 혹은 경계선부위 등 영역을 명확히 분할하기 위하여 영상 내 국소 부위 이웃시스댐상의 주변정보(contextual information)를 이용한 분류 방법을 제시한다. 대상 및 방법 : 통계학적으로이질적 성분들로 구성된 영상을 대상으로 한 주변정보를 이용한 분류결과는 영상내의 국소적으로 정적인 영역들을이웃화소시스탬 내에서 정의되는 상호작용 인자의 메커니즘에 의해 분리함으로서 개선시킬 수 있다. 영상의 분류과정에서 분류결과의 정확도를 향상시키기 위하여 분류대상화소의 주변화소에 대한 분류패턴을 이용한다면 일반적으로 발생하는 분류의 모호성을 제거한다. 그러한 이유는 특정 화소와 인접한 주변의 데이터는 본질적으로 특정 화소와 상관관계를 내재하고 있으며, 만일 주변데이터의 특성을 파악할수 있다면, 대상화소의 성질을 결정하는데 도움을 얻을 수 있다. 본 논문에서는 분류 대상화소의 주변정보와 Bayes의 복합 의사결정모델을 이용한 context-dependent 분류 방법을 제시한다. 이 모델에서 주변 정보는 국소 부위 이웃시스댐으로부터 전이확률(tran­s sition probability)을 추출하여 화소간의 상관관계의 강도를 결정하는 상호인자 값으로 사용한다. 결과 : 본논문에서는 다중에코자기공명영상의 분류를 위하여 Bayes의 복합 의사결정모델을 이용한 분류방법을 제안하였다. 주변 데이터를 고려하지 않는 context-free 분류 방법에 비하여 특히 동질성을 강는 영역 혹은 경계선 부위 등에서의 분류결과가 우수하게 나타났으며, 이는 주변정보를이용한 결과이다. 결론 : 본 논문에서는클러스터링 분석과 복합 의사결정 Bayes 모델을 이용하여 다중에코 자기공명영상의 분류 결과를 향상시키기 위한 새로운 방법을 소개하였다.

• 한국멀티미디어학회논문지
• /
• 제19권10호
• /
• pp.1775-1781
• /
• 2016

Generally, in the underwater target recognition, feature vectors are extracted from the target signal utilizing spatial information according to target shape/material characteristics. In addition, various signal processing techniques have been studied to extract feature vectors which are less sensitive to the location of the receiver. In this paper, we synthesized active echo signals using 3-dimensional highlight distribution. Then, Fractional Fourier transform was applied to echo signals to extract signal features. For the performance verification, classification experiments were performed using backpropagation and probabilistic neural network classifiers based on single aspect and multi-aspect method. As a result, we obtained a better recognition result using proposed feature extraction and multi-aspect based method.

• 제어로봇시스템학회논문지
• /
• 제12권6호
• /
• pp.580-584
• /
• 2006

Material information for environment may be useful to accomplish mobile robot localization. A procedure to classify a set of indoor materials (glass, steel, wood, aluminum and concrete) with the reflected signal of ultrasonic sensor is proposed in this paper. The main idea is to use material-specific reflection characteristics for the recognition of material type. To achieve the classification task, we modeled reflected signal as a maximum amplitude with respect to distance. In this way, we can generate echo signal models for the given materials and these models are used to compare with the current sensor reading. The experimental results show that the proposed method may give material information during map building task of mobile robot.

• 한국수산과학회지
• /
• 제35권3호
• /
• pp.273-281
• /
• 2002

해양의 표층퇴적물을 분류하는 일반적인 방법은 ground frothing에 의한 것으로 시료채취 정점에 국한된 자료라는 한계성을 가지고 있다. 최근에는 원격분류방법의 개발로 인하여 이러한 한계성을 극복한 연속적인 자료를 얻을 수 있도록 가능하게 되었다 본 연구에서는 해저면의 원격분류결과를 실시간 수치화된 자료로 얻을 수 있는 음향장비인 QTC View라는 기기를 이용해 부산 수영만의 표층 퇴적물을 원격분류 하였다. QTC View는 50kHz의 음향측심기와 연결하였고 측정장비의 설정환경은 조사동안 일정하게 유지하였다. Ground trothing에 의한 시료 분석결과 수영만은 slightly gravelly sand, slightly gravelly sandy mud. gravelly muddy sand, clayey sand, sandy mud, slightly gravelly muddy sand 그리고 rocky bottom의 총 7개의 퇴적물형으로 분류되었다. QTC View를 이용한 1차 원격분류결과 이들 7개 중 slightly gravelly sand, gravelly muddy sand, sandy mud 및 rocky bottom 등 4개의 퇴적물형이 구분되었으며 이는 2차 원격분류결과에서도 유사하게 분포하는 것으로 확인되었다. Ground frothing에 의한 분류자료와 원격분류 자료를 비교한 결과 퇴적물형을 구분할 때 소량성분에 의해 서로 다르게 구분된 경우는 다소 차이가 있으나 연구지역 전반에 걸친 퇴적물의 분포양상은 잘 일치하는 것으로 나타났다. 따라서 QTC View는 해저퇴적물을 원격분류하는데 유효하게 이용될 수 있을 것으로 본다.

• 전기학회논문지
• /
• 제64권9호
• /
• pp.1337-1346
• /
• 2015

In this paper, pattern classifier is designed to classify precipitation and non-precipitation events from weather radar data. The proposed classifier is based on Fuzzy Neural Network(FNN) and consists of three FNNs which operate in parallel. In the proposed network, the connection weights of the consequent part of fuzzy rules are expressed as two polynomial types such as constant or linear polynomial function, and their coefficients are learned by using Least Square Estimation(LSE). In addition, parametric as well as structural factors of the proposed classifier are optimized through Differential Evolution(DE) algorithm. After event classification between precipitation and non-precipitation echo, non-precipitation event is to get rid of all echo, while precipitation event including non-precipitation echo is to get rid of non-precipitation echo by classifier that is also based on Fuzzy Neural Network. Weather radar data obtained from meteorological office is to analysis and discuss performance of the proposed event and echo patter classifier, result of echo pattern classifier compare to QC(Quality Control) data obtained from meteorological office.

• 한국수산과학회지
• /
• 제54권5호
• /
• pp.798-807
• /
• 2021

The directivity characteristics of acoustic transducers for conventional single-beam echo sounders considerably limit the detection of fish-size information in acoustic field surveys. To overcome this limitation, using the split-aperture technique to estimate the direction of arrival of single-echo signals from individual fish distributed within the sound beam represents the most reliable method for fish-size classification. For this purpose, we design and develop a split-beam data acquisition and processing system to obtain fish-size information in conjunction with a 50-kHz single-beam echo sounder. This split-beam data acquisition and processing system consists of a notebook PC, a field-programmable gate array board, an external single-transmitter module with a matching network, and four-channel receiver modules operating at a frequency of 50-kHz. The functionality of the developed split-beam data processor is tested and evaluated. Acoustic measurements in an experimental water tank showed that the developed data acquisition and processing system can be used as a fish-sizing echo sounder to estimate the size distribution of individual fish, although an external single-transmitter module with a matching network is required.

• 한국지능시스템학회논문지
• /
• 제24권6호
• /
• pp.665-670
• /
• 2014

SVM은 학습 데이터를 두 개의 집단으로 분리시키는 최적의 초평면을 찾는 이진 분류기로서 우수한 성능 때문에 다양한 분야에서 귀납 추론, 이진 분류, 예측 등을 목적으로 사용되는 알고리즘이다. 또한 대표적인 블랙박스 모델 중 하나이기 때문에 학습 후 생성되는 SVM의 해석에 대한 연구도 활발히 진행되고 있다. 본 논문에서는 SVM 알고리즘을 이용하여 기상 레이더의 데이터 내에 비교적 높은 빈도로 발생하여 기상 예보의 정확도를 감소시키는 비강수에코 중 하나인 선에코를 자동으로 탐지하는 방법에 대한 연구를 수행하였다. 학습 데이터로는 평균 반사도, 크기, 발생 형태, 중심 고도 등과 같은 특성을 활용하였는데, 이는 기상 레이더 데이터에 저장된 다양한 데이터 중 반사도 값을 선택한 후 클러스터링 기법을 통해 추출한 것이다. 이와 같이 학습된 SVM 분류기를 실제 사례를 바탕으로 하여 검증하였으며, Decision Tree 알고리즘을 적용하여 생성한 분류기의 해석을 수행하였다.

• 대한원격탐사학회지
• /
• 제19권2호
• /
• pp.170-179
• /
• 2003

다중분광 영상의 정확한 지형지물 분류를 수행할 때 고려해야 할 중요한 요소중에 적절한 분류 클래스의 선정과 선정된 클래스의 분리도가 높아지도록 트레이닝 지역(training fields)을 잡는 것은 특히 중요하다. 최근에 이용되고 있는 위성탑재 하이퍼스펙트럴(hyperspectral) 영상은 많은 밴드를 포함하고 있기 때문에 데이터 처리가 어렵고, 잡음(noise)으로 인하여 다중분광 영상보다 분류 결과가 나쁜 경우도 나타난다. 특히 대상지역의 클래스에 따른 트레이닝 지역의 선정시 일부 클래스에서 하이퍼스펙트럴 밴드수에 비해 상대적으로 적은 수의 트레이닝 샘플로 인하여 공분산 행렬의 계산에 어려움이 따른다. 따라서 본 연구에서는 Hyperion 데이터를 이용한 분류를 수행하기 위하여 밴드 추출 방식을 알아보고, 분류영상의 정확도 평가를 통하여 밴드 추출의 효용성을 시험하였다. 밴드를 줄이는 또 다른 방법인 클래스간 분리도에 따른 최적 밴드를 추출하여 분류정확도를 평가하였다. 실험 결과, 밴드 추출이나 클래스 분리도에 따라 선택된 영상의 분류 정확도는 분류자(classifier)에 상관없이 전체 밴드를 사용한 원영상과 유사하게 나타났지만, 사용된 밴드수와 계산 시간은 단축되었다. 분류자는 MLC, SAM, ECHO의 3종류가 사용되었다.

• 한국멀티미디어학회논문지
• /
• 제20권10호
• /
• pp.1637-1645
• /
• 2017

Target/Nontarget classification can be divided into the study of shape estimation of the target analysing reflected echo signal and of type classification of the target using acoustical features. In active sonar system, the feature vectors are extracted from the signal reflected from the target, and an classification algorithm is applied to determine whether the received signal is a target or not. However, received sonar signals can be distorted in the underwater environments, and the spatio-temporal characteristics of active sonar signals change according to the aspect of the target. In addition, it is very difficult to collect real sea-trial data for research. In this paper, target/non-target classification were performed using real sea-trial data. Feature vectors are extracted using MFCC(Mel-Frequency Cepstral Coefficients), filterbank energy in the Fourier spectrum and wavelet domain. For the performance verification, classification experiments were performed using backpropagation neural network classifiers.

• 전기학회논문지
• /
• 제67권8호
• /
• pp.1089-1098
• /
• 2018

In this paper, we propose an autonomous feeding robot and its obstacle classification system using ultrasonic sensors to secure the driving safety of the robot and efficient feeding operation. The developed feeding robot is verified by operation experiments in a cattle shed. In the proposed classification algorithm, not only the maximum amplitude of the ultrasonic echo signal but also two gradients of the signal and the variation of amplitude are considered as the feature parameters for object classification. The experimental results show the efficiency of the proposed classification method based on the Support Vector Machine, which is able to classify objects or obstacles such as a human, a cow, a fence and a wall.